含有Ⅱ型区间删失数据的回归模型参数估计

目的比较四种方法估计含有Ⅱ型区间删失数据的回归模型参数最大似然估计值,探讨在不同样本量情况下四种方法估计结果的准确性和稳定性。方法对含有Ⅱ型区间删失的生存数据分别拟合Weibull参数回归模型和Cox-PH半参数回归模型,并结合EMICM算法得到模型参数的最大似然估计值;应用组均值插补法将区间删失数据填补为右删失数据,进一步用传统的Cox回归以及建立伪观察值的方法估计生存函数,模拟样本量分别为50、200、500例。结果Weibull回归模型的参数最大似然估计值分别为β_1=0.496,β_2=-0.366;β_1=0.680,β_2=-0.586;β_1=0.620,β_2=-0.504。Cox-PH半参数回归模型的参数最大似然估计值为β_1=0.652,β_2=-0.469;β_1=0.683,β_2=-0.538;β_1=0.629,β_2=-0.511。填补为右删失数据后传统Cox回归方法得到的参数最大似然估计值分别为β_1=0.203,β_2=-0.227;β_1=0.641,β_2=-0.514;β_1=0.545,β_2=-0.446。用Pseudo-observations得到的参数最大似然估计值分别为β_1=0.217,β_2=-0.275;β_1=0.796,β_2=-0.601;β_1=0.561,β_2=-0.468。结论在不同样本量情况下,拟合Weibull参数回归模型,Cox-PH半参数回归模型结合EMICM算法估计的参数最大似然估计更准确更稳定。

Pareto分布在逐步Ⅱ型区间删失下的参数估计

本文研究Pareto分布在逐步Ⅱ型区间删失的情形下参数的估计和性质,给出了参数的极大似然估计及其Newton-Raphson求解算法,并证明了在一定条件下极大似然估计的相合性及渐近正态性.

基于Weibull回归模型的逐步Ⅱ型区间删失数据的统计分析

文章考虑带有随机移除的逐步Ⅱ型区间删失(PICR-Ⅱ)方案下生存数据的统计分析和试验方案的设计问题.给出了Weibull回归模型参数的极大似然估计和贝叶斯估计方法.利用模拟数据和实际数据,对不同估计方法下参数估计的结果进行了比较.给出了最优PICR-Ⅱ方案设计方法.

区间删失数据下基于OLLGG分布的多参数回归模型的参数估计

该文基于Ⅱ型区间删失数据,在OLLGG分布下提出多参数回归模型,通过线性回归刻画分布参数与协变量之间的关系,并通过极大似然方法给出了模型的参数估计,数值模拟验证了模型参数的估计有良好的性质,将提出的模型应用到血友病患者HIV感染的数据中,发现提出的模型对数据有灵活的拟合效果.

广义指数比例风险模型下区间删失数据的贝叶斯估计

本文研究了失效时间服从广义指数分布,且风险率函数为比例风险模型时,Ⅱ型区间删失数据的贝叶斯估计.假定参数的先验分布为无信息先验,建立贝叶斯层次模型从而得到后验密度函数.通过MH算法得到参数估计值,数值模拟结果验证了所提方法的有效性.最后将所提方法应用到乳腺癌患者和血友病患者这两个实际数据中进行分析.